Durante los dos últimos años gran parte de las conversaciones sobre inteligencia artificial que han tenido lugar en los consejos de administración de empresas de todo el mundo se han parecido bastante a una carrera por coleccionar licencias de software. Adoptar algoritmos generativos como si fueran piezas de colección parecía suficiente para proclamar que esa empresa había dado un gran salto hacia el futuro. Sin embargo, ese período de fascinación tecnológica parece estar llegando a su fin. El ecosistema directivo está entrando de lleno en una nueva fase mucho más pragmática: la exigencia de un rendimiento económico medible y real.
Para quienes llevamos años observando la evolución tecnológica en el ámbito empresarial, el momento en el que nos encontramos resulta bastante familiar. Y es que la inteligencia artificial está atravesando hoy exactamente el mismo patrón que vivió la computación en la nube hace ahora una década. La migración a sistemas cloud comenzó como una carrera impulsada por la novedad y el temor a quedarse atrás, pero rápidamente derivó en un periodo de consolidación donde solo sobrevivieron las soluciones que demostraron eficiencia y un retorno de la inversión indiscutible y medible. La IA ha alcanzado ahora ese mismo punto de madurez: la pregunta relevante en la alta dirección ya no es cuántas herramientas se adoptan, sino qué impacto real van a tener en la cuenta de resultados.
Es precisamente en este terreno donde la ambición tecnológica choca frontalmente con la realidad operativa. Ningún algoritmo, por avanzado y sofisticado que sea, puede generar previsiones acertadas ni optimizar procesos si se alimenta de datos defectuosos o incorrectos. Como demuestra el Scaling Report impulsado por Pleo, el 40 % de los directores financieros reconoce abiertamente que sus empresas operan con datos de mala calidad para alimentar sus sistemas de automatización.
Esto denota un gran problema de base. Aplicar capas de inteligencia artificial sobre una base de datos fragmentados o incorrectos no soluciona la ineficiencia del negocio, simplemente la acelera a gran escala. Por ello, intentar automatizar sin limpiar el origen es una ilusión que puede acabar siendo realmente costosa.
El coste oculto de la “deuda estratégica”
La raíz del problema no reside en una falta de visión o de talento. Existe una brecha evidente entre la ambición de crecimiento de las empresas y la arquitectura de los sistemas que deben sustentarla. El 49 % de los líderes financieros participantes en el estudio de Pleo admite que su empresa está escalando más rápido de lo que sus sistemas pueden soportar, mientras que el 47 % de los ejecutivos de empresas en fase de expansión han visto cómo sus plataformas de gestión colapsaban directamente al intentar crecer.
El verdadero coste de esta desconexión lo absorben los equipos. En lugar de liderar la estrategia o evaluar nuevos modelos de negocio, el 53 % de las empresas reconoce que sus departamentos financieros están atrapados en un bucle continuo de tareas manuales y rutinarias. De hecho, el 60 % de los responsables financieros afirma no haber tenido ni un solo día completo e ininterrumpido dedicado al trabajo estratégico en el último mes.
Cuando el día a día consiste en perseguir facturas, conciliar manualmente o corregir la falta de integración entre herramientas que no hablan el mismo idioma, se acumula lo que podemos llamar “deuda estratégica”. Se posterga el análisis de mercado, la planificación de nuevos escenarios o la innovación para resolver incendios informativos inmediatos. Y en ese escenario, hablar de inteligencia artificial resulta casi un ejercicio de ficción.
Construir los cimientos antes de volar
Superar este cuello de botella exige una dosis importante de pragmatismo. Del mismo modo que la consolidación de la nube exigió pasar de servidores locales dispersos a arquitecturas integradas, la adopción inteligente de la IA debe exigir capturar y enriquecer la información directamente en su origen.
Los directores financieros tienen ahora el reto y la oportunidad de actuar como auténticos arquitectos del crecimiento empresarial. Pero para que la tecnología sea un acelerador y no un lastre, las prioridades tienen que reordenarse, empezando por garantizar la integridad de los datos desde el primer día, automatizando el cumplimiento y la categorización en tiempo real para eliminar el error humano antes de que la información llegue a los libros contables.
A esto se debe sumar la erradicación de la fragmentación mediante integraciones nativas y fluidas entre las herramientas operativas y el núcleo financiero, lo que reduce radicalmente la carga administrativa inútil. Finalmente, resulta indispensable liberar la capacidad analítica de los equipos al automatizar la rutina diaria, permitiendo así que la inteligencia, tanto humana como artificial, se dedique a tareas como la prospección de negocio, el modelado y el análisis de la rentabilidad real.
La inteligencia artificial no ha venido a sustituir el criterio de negocio, sino a amplificarlo. Pero solo cuando la información fluya con absoluta claridad y precisión en tiempo real, la tecnología pasará de ser una promesa fascinante para convertirse en lo que siempre debió ser: un motor insustituible de rentabilidad, margen y claridad empresarial.
Jeppe Rindom
CEO y cofundador de Pleo
